一位捣鼓了Google Glass近20年的天才Geek

    编者按：本文作者为王曦，36氪特约撰稿人。王曦毕业于清华大学建筑技术系，目前生活在美国。她非常喜欢科技互联网，还热衷分享她在美国采访到的人和事，大家可以关注她的微信公众帐号“王曦访谈”。这次她专访的是Google Glass技术负责人Thad Starner博士。

有关Google Glass的起源

Thad 在 MIT 读大学的时候遇到了一个难题：如果上课认真记笔记，他就无法很好地理解教授的意思，因为记录占去了他所有的脑力；而如果不记笔记，只是认真听课，他虽然能够很好地跟上教授的思路，但是课后很容易就忘记了。Thad 尝试过使用电脑记笔记，但是眼睛从黑板和电脑屏幕之间的不停的转换让他很快选择了放弃。也就是在那个时候，Thad 开始琢磨是否可以有这样一个交互界面：既不影响面对面的交流，又可以随时随地记录，那一年是 1989 年。



1993 年，Thad 终于戴上了自己设计的第一代智能眼镜：左眼如常，但是右眼看到的却是显示器，左手握着单手键盘输入，然后还要斜背一个用于装主机的包。自那以后， Thad 每一天无论去哪里，无论干什么，他都会戴着智能眼镜。据 Thad 介绍，这个单手键盘输入是他的一个好朋友发明的，并因此创立了一个叫 Hand Key 的公司。Thad 说单手键盘输入比通常的电脑键盘输入更容易学会，且熟练以后单手打字的速度与电脑键盘打字速度是一样的。

当我问起这是否意味着今后人们的打字习惯需要改变时，Thad 说：“手机已经改变了我们打字的习惯。人们总是觉得改变一个习惯很难，事实上并非如此。我们现在使用的智能手机是手势控制加屏幕键盘。因此，只要可以得到方便，人们是愿意改变的。目前的问题在于，真正使用移动智能设备的人太少了。几乎所有的智能设备都是你需要停下来看着屏幕去使用（比如手机，你总是需要中断谈话，拿出手机来操作），而如果将来越来越多的人使用起真正的移动智能设备，即你可以边走路边写邮件，那么这个单手键盘输入很有可能会成为大家的选择。”

在 1998 年旧金山的一个会议上，Thad 依旧戴着这套行头，自然是享受着超高的回头率。有两个学生走过来和他打招呼：“Hey，我是Larry Page，他是Sergey Brin，我们是斯坦福大学的学生，你戴的是什么东西？”是的，你没有听错，这两位斯坦福大学的学生在不久之后创立了 Google，Sergey 目前担任 Google CEO。在那次会议上，Sergey 给 Thad 留下了联系方式。

时间一晃到了 2010 年，Google 正在大力推广其 Android 系统，尽管 Thad 不知道 Sergey 当年的邮箱是否还在使用，他还是给 Sergey 写了封邮件。在邮件里 Thad 说：“你们现在正在做 Android 系统和智能手机，你真的应该看看我们在学术领域做的可穿戴式计算技术。你为什么不来一趟亚特兰大，我给你看看我的眼镜。”Sergey 回复说，“不，请你来加州，来 Google 做讲座。”Thad 后来才知道，他发邮件前的两个月，Google 刚刚开始筹备智能眼镜这个项目，因此这真是天赐的缘分。

我问 Thad 为什么当时选择了 Google 而不是苹果，毕竟 2010 年应该是苹果最牛的时候。Thad 说事实上，他在苹果的朋友听说 Thad 给 Google 做了一个讲座，便也邀请他去苹果做了讲座，准确的说是做了两次讲座，一次是关于智能手表，一次是关于计算机手势控制。所以 Google 和苹果在相同的时间是得到了相同的信息的（乔布斯是 2011 年去世的，至于为什么苹果没有对智能眼睛感兴趣，请大家自行消化理解）。



我又问起 Thad 为什么当初不自己创业生产智能眼镜，Thad 说：“我有自己的公司啊，我现在就给你展示我们公司的产品。”这应该算是第二代智能眼镜吧，专为研究人员生产的，当时大概卖几千美元，图中的眼镜是 Thad 在 ebay 上花 500 美元买回来的。其实从这个智能眼镜上，我们应该已经可以看出 Google Glass 的一些原型，比如左眼镜片前的成像玻璃屏幕。Thad 说这个智能眼镜的性能堪比一台计算机，当年他所有的笔记、会议记录和邮件都是用这个眼镜完成的。

目前的 Google Glass 是没有键盘输入的，所有的指令都是通过语音下达。Thad 为自己的 Google Glass 配备了蓝牙连接的单手键盘，不知道这个会不会是今后 Google Glass 改良的一个方向。

Thad 介绍说智能眼镜的想法最早可以追溯到 60 年代。其实在 1945 年时，Vannevar Bush（二战时期美国接触的科学家，“曼哈顿计划”的提出者和执行人）就已经有了一个想法：在你的头上放一个小的相机，它可以拍下你做的事情，然后它会将所有关于你的信息储存起来供你将来使用。

“要知道，那是在 1945 年，甚至还没有硬件呢，Vannevar Bush 只是大概知道电脑即将诞生了。而当我在 90 年代开始做这个事情的时候，我希望可以给它赢得一个更加令人尊敬的名字，所以我加入了增强现实技术（Augment Reality），我让你可以看到更多的东西，而不是替代你的视觉。93 年到 99 年，我在 MIT 做这个，后来在乔治亚理工继续做这个。我们实验室里的人每天会花上好几个小时戴智能眼镜，所以我们可以非常了解这项技术。”

Thad 说他不是第一个产生智能眼镜想法的人，但却是第一个每天都戴着，一整天都戴着的人，他是最坚持的那个人。这让我想起访谈前，专门负责 Thad 的媒体邀约的 Jason 给我讲的一个小故事：Thad 每天都戴着各种奇怪的眼镜，所以大家都习以为常了，以至于没有注意到其实他戴着第一代的 Google Glass 很久了，而那个时候，所有的媒体都在各种谍报谷歌眼镜到底长啥样。

Thad眼中的可穿戴式设备

王曦：对今年的CES大会上展示的可穿戴式设备有什么评价吗？

没有什么让人感到特别惊喜的。其实我们最早就预测到第一个可穿戴式计算设备是电子音乐播放器。我还记得那个时候我们向索尼音乐介绍说“我们可以将音乐压缩到文件里，这样的可穿戴式设备会比 Sony Discman 小很多，却和 Sony Discman 拥有一样棒的音质。而且存储量每 18 个月会翻一番，这样用不了几年，人们就可以拥有一个移动音乐馆了，而且这个设备会越来越小。你们真的应该做这个东西。”

而当年的索尼回答道“我们刚刚买下哥伦比亚唱片，我们考虑过做一个闪存的（flash-based）音乐播放器，但是这会导致盗版，所以我们不打算这样做。”（后来的 iPod 证明，索尼当年做了多么错误的决定！）电子音乐播放器是第一代可穿戴式计算设备，因为你不需要停下手头的事情，所以它大大的增强了你的环境。接下来的就是蓝牙测试集（Bluetooth Test Sets）。我们在 1997 年的第一届可穿戴式计算大会上展示了导航地图，如何做导航。这些东西现在都应用在了智能手机上，事实上，智能手机花了这么长时间才出来，这真的是最让人感到尴尬的。

（这个时候，Thad的手机响了，他拿起手机看了半天，等重新回到我们的对话时，他忘记了刚刚说了什么，于是他说“你看，如果在对话过程中拿出手机来看，这真的是一个非常大的干扰。而如果我使用智能眼镜的话，我就可以随时处理信息，同时又不会影响我们之间的交流。”）

王曦：你对可穿戴式设备的未来有什么远见？

事实上和是什么设备无关，重要的是它能做什么。如果它能够很聪明，那将很吸引人。比如说，它知道你在哪里，正在做什么，它会在你需要的时候提供正确的信息。像 Google Now，它现在就可以根据 GPS 的信息知道你在哪里，然后它会根据交通状况提醒你下一个会议的时间，所以应该像一个聪明的助手一样。

它将观察你每天都做了什么，并且把你经常去的地方进行分类，很快它将能够识别出哪里是家，哪里是商店，哪里是办公室。它会发现你每天都是从家去工作、然后再去超市、然后回家，你从来不会从家去超市、再去办公室、然后再回家。所以，它就会在你离开办公室、上车之前提醒你去超市，以避免你开车上了高速错过了超市。



我觉得智能手机最大的问题在于，你要把它放在口袋里，所以它相当于聋的，半瞎的。而如果把设备放在你的头顶上，它就可以观察你，然后得到很多有上下文的对话信息，这样它才能帮助你更多。像我这样，在帽子上有一个相机。我们发现，其实人类的很多行为活动都是和手有关。举个例子，如果我想识别出什么是一本书，如果仅仅靠书的封皮是很难的，因为这也可能是一幅画，相机怎么会知道呢？但是，如果相机能够看到你翻开书，并且一页一页在浏览，那么它就可以识别出这是一本书。

同理，它将识别出什么是杯子，什么是刀和叉子，慢慢的，它将识别出什么是吃饭，因为你会在每天差不多的时间做一系列一样的动作，因此逐渐的，它将学会人类社会是什么样。然后，它将会更好地为你服务，它会明白如何服务于你，什么事情对你来说是重要的。我们做过一个非常酷的实验，我们给这个帽子做同样的手势 500 次，它自动学会了这个手势是什么意思。所以，你不需要教它，它会自己理解的，这真的太酷了，这个趋势非常有意思。

王曦：这是一个智能帽子？！

它现在有点破了，原来这有一个大大的激光。这个帽子更好看一些。瞧，这个更时尚些，我喜欢这个！这个手势是黄色的意思。很酷的是，这个相机很高，所以它能够看到我足够多的手部活动，从而自行掌握每个手势的意思。



王曦：所以，你认为将来每个人都会有一个助理喽？

当然！举个例子，日本公司的 CEO 的助理都是很高级别的人，他们通过当助理来学习如何成为一个 CEO，当然，这个助理薪水很高。所以，如果计算机成为我们的助理，这不是很棒嘛！

王曦：你觉得这个在未来5年或者10年会实现吗？如果计算机可以做这么多的事情，那我们人类还干嘛呢?

这个很难估计，我认为可能会是很久以后。计算机的聪明和人类的聪明是不一样的。计算机擅长回忆信息，而人类擅长识别哪些信息是好的。举个例子，我要做一个报告，于是我让计算机帮我提供相关的信息，它会搜索我所有的笔记、邮件和代码，然后在我眼前的屏幕上提供所有相关的信息，但却无法很好地将这些信息组织起来。但是，我只需要看一眼这些信息，就可以马上识别出哪些是有用的。

如果我问你，谁是你二年级的英文老师，你也许不记得了，但是你会记得你在二年级受过伤。所以，如果你问计算机这些信息意味着什么，它将不会回答。因此，人们需要的是智能的助手，你通过符号与他们连接，然后它们就可以成为你延伸的一部分。就像你戴着眼镜一样，你从来不会想着说我戴着眼镜。或者，你骑自行车时，遇到红灯会自然地刹车。我想要做的就是通过可穿戴式计算来延伸你的大脑。我们现在不需要背书，因为用谷歌就可以搜到书的内容。我们要让智能设备更加强大、更加独立、更加聪明。

王曦：为了实现这些，目前最大的困难是什么？

首先是电源，如何给设备里的芯片充电。另外就是我们说的路径识别（Pattern Discovery）。如何识别你是怎么移动的，怎么交流的。人类最基本的行为单元非常不同，现在没有人花时间来好好研究我们每一天最基本的行为单元。到底吃饭或者握手最基本的行为单元是什么，手势实际上和语言同等重要。我们正在做的就是建立发现人类基本行为组成单元的算法，然后你又是每天如何将这些行为单元组合起来行动的。这是一个长远的计划，因为我们需要算法明白什么构成了你，它又是如何让你和这个世界交流的。

王曦：这就是你说的Symbolic Intelligence对吗？

是的。

如何成为一名天才

我一直以来都对“你是如何发现自己喜欢做什么的”和“是什么成就了现在的你”这两个问题感兴趣，也是我在访谈中一定会问到的问题。当我问到 Thad 是如何这么有创造力，如何成为天才时，他说了一个我从来没有听过的词“filarious”。访谈后，我在 Google 上查了半天才知道这是一个俚语，即 fun（有趣）+hilarious（欢闹）的意思。

“你不怕别人认为你是一个傻子，很显然，我不怕别人认为我是一个傻子（Thad 戴了 20 年形状各异的眼镜！）。有一句名言，我认为是 Linux Pauling（诺贝尔化学奖获得者）的话，‘有一个伟大的想法的最好的办法，就是有很多想法。’你所需要做的就是不停的有想法，迅速地弄清楚它是否会失败。真正的本事并非是想法，而是能够评估想法，想出验证它的方式，执行想法，这是最难的事情。这个东西，我弄了 20 年（Thad 指着自己戴的 Google Glass）。”

“把东西弄乱没有关系，破坏了什么东西也没有关系，因为你会从中学到东西。探索这个世界没有关系，变得 filarious 也没有关系。有玩的意识非常重要。很多时候，你都是在几十年之后才知道有些事情是非常重要的。让你周围充满聪明的人，充满同样爱搞恶作剧的伙伴。真的，爱搞恶作剧就是你所需要的。我们很多的科研项目都是为了好玩，因为它听起来酷极了。”

“12 岁的时候，我对计算机产生了兴趣。14 岁的时候，我决定要成为 MIT 的教授。29 岁的时候，我拿到了 MIT 职位，但是我决定留在乔治亚理工大学，因为这里更好玩。”